[发明专利]运用动态偏向值提高预测准确度的电影推荐系统算法

权利要求书

1.运用动态偏向值提高预测准确度的电影推荐系统算法，其特征在于，包括以下步骤：

定义用户数量为u位、电影数量为m部，u范围为[1，U]，m范围为[1,M]；

电影预测评分值矩阵r_um如下：

定义电影预测评分值矩阵r_um表示第u位用户对第m部电影的预测评分值，电影预测评分值矩阵r_um包括U*M个预测评分值；

将电影预测评分值矩阵分解为每位用户的特征值矩阵和每部电影的特征值矩阵，定义每位用户的特征值矩阵如下：

其中，表示第u位用户对第n类电影的预测评分值，n范围为[1,N]，p_u是行向量；

定义每部电影的特征值矩阵如下：

其中，表示第m部电影的f_n特征值，q_m是列向量；

所有用户对所有电影的预测评分值由对应的两个特征向量p_u和q_m的积表示：

T表示矩阵的转置，每位用户的特征值矩阵和每部电影的特征值矩阵的数据个数总计是U*N+M*N＝(U+M)*N。

2.根据权利要求1所述的运用动态偏向值提高预测准确度的电影推荐系统算法，其特征在于，所有用户对所有电影的预测评分值r_um的计算再添加3个偏向值：

公式中，r_um表示所有用户对所有电影的预测评分值，T表示矩阵的转置；3个偏向值包括总平均值μ、差b_m和差b_u，总平均值μ由所有用户对所有电影的预测评分值求平均值得到，差b_m由电影预测评分值矩阵中所有用户对第m部电影的预测评分值求平均值后与总平均值μ作差得到，差b_u由电影预测评分值矩阵中第u位用户对所有电影的预测评分值求平均值后与总平均值μ作差得到。

3.根据权利要求2所述的运用动态偏向值提高预测准确度的电影推荐系统算法，其特征在于，所有用户对所有电影的的实际评分值R_um与所有用户对所有电影的预测评分值r_um的差为误差e_um，R_um来自预测前市场调研得到的真实数据集，每轮预测计算中，基于每部电影对误差e_um的平方进行求导，基于每位用户对误差e_um的平方进行求导，并生成如下线性随机梯度公式：

公式中，q_m是第m部电影的特征值向量，p_u是第u位用户的特征值向量，L与K是控制常量。

4.根据权利要求3所述的运用动态偏向值提高预测准确度的电影推荐系统算法，其特征在于，每轮预测计算中，添加基于每部电影的偏向值动态更新，添加基于每位用户的偏向值动态更新：

b_m＝b_m+L(e_um-Kb_m)

b_u＝b_u+L(e_um-Kb_u)

公式中，b_m是第m部电影的偏向值，b_u是第u位用户的偏向值，误差e_um、L与K是控制常量。